[한경에세이] 무엇을 하지 않을지 정하는 일

한국의 많은 제조기업이 인공지능(AI)을 활용해 시장 출시 기간을 줄이고, 품질과 원가 경쟁력을 높이려 한다. 신규 AI 솔루션 검토와 도입도 활발하다. 그러나 AI와 빅데이터는 모두 양질의 데이터 관리 체계가 뒷받침될 때 효과를 낼 수 있다. 따라서 데이터 정비와 AI 기술 도입은 시급하게 함께 추진해야 한다.

하지만 이 과정에서 리더는 무엇을 하지 않을지 정하는 것이 더 어려워졌음을 깨닫게 된다. 기회가 많아질수록 가능성도 커지지만, 모든 기술과 과제를 다 추진할 수는 없다. 여러 길을 열어두는 것이 좋은 판단처럼 보일 때도 있지만, 결국 리더의 역할은 모든 가능성을 붙잡는 것이 아니라 지금 가장 힘을 쏟아야 할 방향을 분명히 정하는 일에 더 가깝다.

업무 현장에서는 이런 판단의 무게가 더 크게 다가온다. 최근에는 AI, 자동화, 데이터 분석, 시뮬레이션 등 새로운 기술과 도구가 빠르게 늘어나고 있다. 각각의 기술은 분명 큰 가능성을 지니고 있지만, 한꺼번에 도입한다고 해서 조직이 더 나은 방향으로 움직이는 것은 아니다. 오히려 목적이 분명하지 않은 기술 도입은 현장의 혼란을 키우거나 자원을 분산시킬 수도 있다.

지멘스와 알테어의 통합 이후에 고객이 활용할 수 있는 기술 및 솔루션의 폭이 훨씬 넓어졌다. 엔지니어링 시뮬레이션부터 AI 기반의 제조 최적화까지 강력한 포트폴리오가 완성됐지만, 역설적으로 고객들은 “방대한 솔루션 중 우리에게 진짜 필요한 것은 무엇인가”라는 새로운 고민을 안게 됐다. 이렇게 선택지가 많아진 지금, 나는 솔루션 도입을 원하는 고객에게 “무엇을 더할 것인가”보다 “무엇을 위해 도입할 것인가”를 정하는 것이 중요하다고 설명한다. 실제로 현장 데이터의 표준화가 선행되지 않은 상태에서 고성능 AI 예측 모델부터 도입했다가 구체적인 성과를 내지 못하고 시행착오를 겪는 기업을 자주 목격했기 때문이다. 같은 기술이라도 어떤 기업에는 지금 당장 필요한 해답이 될 수 있고, 또 다른 기업에는 아직 준비가 더 필요한 과제가 될 수 있다.

특히 리더는 기술의 가능성뿐 아니라 조직의 준비 정도, 고객에게 제공할 가치, 보안과 비용, 실행에 필요한 인력과 시간까지 함께 살펴야 한다. 실제로 많은 제조기업이 초기 PoC(개념 검증) 단계의 화려한 성과만 보고 대규모 확산을 추진하다가, 현장 엔지니어들의 숙련도 부족이나 기존 인프라와의 충돌로 인해 프로젝트가 표류하는 경험을 하곤 한다. 리더가 중심을 잡고 기술의 화려함 이면에 가려진 현장의 수용 가능성과 실질적인 투자 대비 효과(ROI)를 냉정하게 따져봐야 하는 이유가 바로 여기에 있다.

좋은 전략은 늘 더하는 방식으로만 세워지지 않는다. 수많은 선택지 속에서 하지 않을 일을 정하고, 조직의 에너지를 한 방향으로 모을 때 더 큰 힘이 생기는 경우가 있다. 기술과 기회가 많아지는 시대일수록 리더에게는 모든 가능성을 붙잡는 일이 아니라, 무엇에 집중할지 판단하는 결단력이 훨씬 더 중요하다.